三亚近海面大气湍流强度估算：神经网络与回归模型对比

本文主要探讨了两种不同的方法在估算近海面大气光学湍流强度方面的比较。研究对象是随船观测的三亚地区在2016年1月6日至9日期间连续四天的数据，这些数据包括折射率结构常数C2n（衡量大气湍流的重要参数）以及温度、风速和相对湿度等气象参数。作者采用了后向传播神经网络和逐步回归这两种统计学习理论为基础的模型进行C2n的连续三天估算。 通过对比分析，研究发现两种模型的估算结果在变化趋势和量级上都符合近海面光学湍流的一般特性，并能够捕捉到C2n的基本日变化模式。整体上，后向传播神经网络模型的估算结果与实际测量值的相关系数达到0.8661，而逐步回归模型则为0.8496，显示出良好的预测能力。作者通过平均绝对误差、平均相对误差、均方根方差以及相关系数等统计量对估算结果进行了评估，结果表明两种模型都能准确地估算近海面的C2n强度。 然而，在夜间弱湍流条件下，两种模型的估算值相比于测量值略高，这可能是由于夜间湍流特性较为复杂，现有模型在处理这种特定场景时存在一定的局限性。为了提高估算的准确性，特别是夜间估算的精度，研究者建议对这两种模型进行进一步优化，可能需要考虑引入更多的湍流特征参数或者改进模型的夜间处理算法。 本文提供了一个实用的比较框架，展示了神经网络和逐步回归两种统计学习方法在近海面大气光学湍流强度估算中的性能，并提出了未来改进的方向。这对于理解和预测大气光学湍流，特别是在海洋环境中，具有重要的科研价值和实际应用意义。